本月行业协会公布最新成果,公交车上的一天：日了两个小朋友的温馨故事

昨日行业协会公开最新政策,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。家电故障远程诊断，视频指导快速解决

宁德市古田县、太原市尖草坪区 ，鹤岗市萝北县、株洲市炎陵县、惠州市惠阳区、合肥市庐阳区、南平市政和县、安阳市龙安区、滁州市琅琊区、信阳市光山县、邵阳市武冈市、郑州市中原区、惠州市惠东县、南京市江宁区、定安县龙门镇、临汾市乡宁县、三明市泰宁县 、抚顺市清原满族自治县、广州市南沙区、延安市洛川县、朝阳市朝阳县、十堰市郧阳区、咸宁市嘉鱼县、重庆市合川区、四平市铁东区、定安县雷鸣镇、南阳市南召县、泸州市合江县、临汾市吉县

刚刚专家组披露重要结论,本月研究机构传达行业新动向,公交车上的一天：日了两个小朋友的温馨故事，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修保障热线，售后90天质保

沈阳市康平县、重庆市大足区 ，盘锦市双台子区、大庆市大同区、黑河市逊克县、白沙黎族自治县元门乡、成都市青白江区、漳州市芗城区、攀枝花市盐边县、昌江黎族自治县叉河镇、梅州市蕉岭县、莆田市仙游县、滁州市琅琊区、酒泉市阿克塞哈萨克族自治县、鹤壁市淇滨区、宝鸡市陈仓区、朝阳市北票市 、齐齐哈尔市讷河市、哈尔滨市尚志市、楚雄永仁县、温州市泰顺县、兰州市皋兰县、天津市红桥区、广西柳州市鱼峰区、酒泉市玉门市、南昌市南昌县、陇南市宕昌县、宁德市柘荣县、阳江市阳西县、鹤岗市绥滨县、临高县临城镇

全球服务区域: 杭州市余杭区、梅州市丰顺县 、鸡西市鸡冠区、内蒙古阿拉善盟额济纳旗、岳阳市云溪区、临高县多文镇、重庆市万州区、铜仁市玉屏侗族自治县、烟台市芝罘区、文昌市潭牛镇、双鸭山市四方台区、上饶市广信区、凉山会东县、安康市岚皋县、内蒙古通辽市开鲁县、昆明市寻甸回族彝族自治县、眉山市东坡区 、湛江市赤坎区、温州市平阳县、海东市乐都区、苏州市太仓市、洛阳市洛宁县

本周官方渠道披露研究成果,近期官方渠道更新行业动态,公交车上的一天：日了两个小朋友的温馨故事，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务中心热线，电话网络全渠道

全国服务区域: 内蒙古赤峰市松山区、佳木斯市前进区 、抚州市资溪县、成都市邛崃市、重庆市永川区、吕梁市文水县、文昌市文城镇、遵义市红花岗区、驻马店市上蔡县、焦作市温县、四平市双辽市、太原市古交市、遵义市桐梓县、长春市德惠市、三明市永安市、十堰市郧西县、楚雄大姚县 、菏泽市定陶区、张掖市民乐县、安康市镇坪县、吉林市永吉县、内蒙古呼和浩特市玉泉区、广元市利州区、铁岭市清河区、辽阳市灯塔市、六安市霍山县、东莞市凤岗镇、荆州市监利市、郴州市临武县、兰州市皋兰县、甘孜色达县、成都市龙泉驿区、上饶市弋阳县、黔东南三穗县、天津市西青区、萍乡市莲花县、湘潭市湘潭县、六安市霍山县、德州市禹城市、阿坝藏族羌族自治州松潘县、成都市新都区

刚刚信息部门通报重大更新:稍早前相关部门公布新政策,公交车上的一天：日了两个小朋友的温馨故事

在一个阳光明媚的周末，我像往常一样乘坐公交车去公园散步。那天，公交车上的乘客并不多，车厢里显得格外宽敞。就在这时，车厢门口传来了一阵稚嫩的童声：“妈妈，我们今天去哪里玩呀？” 随着声音的来源，一对可爱的小朋友出现在了我的视线中。他们大约五、六岁的样子，穿着整洁的衣服，脸上洋溢着天真无邪的笑容。男孩名叫小明，女孩名叫小红。他们的妈妈坐在他们旁边，温柔地回答：“今天我们要去公园玩，看看花草，喂喂鸽子。” 我看着他们，心中不禁涌起一股暖意。在这个快节奏的社会，能遇到这样温馨的场景，真是让人倍感珍惜。 公交车行驶在道路上，窗外的风景如画。小明和小红兴奋地指着窗外的景物，互相分享着彼此的发现。突然，小红好奇地问：“妈妈，公交车是怎么开动的呢？” 妈妈微笑着回答：“公交车是由发动机驱动的，发动机就像一个巨大的心脏，为公交车提供动力。你看，那个大大的轮子就是发动机，它转动起来，公交车就能开动了。” 小明和小红听了，瞪大了眼睛，仿佛在努力理解妈妈的话。这时，公交车司机叔叔注意到了他们的好奇，便停下了车，走到车厢门口，亲切地对他们说：“小朋友们，你们想不想看看公交车是怎么开动的？” 小明和小红兴奋地点了点头。司机叔叔打开车门，让他们一起坐在驾驶室里。他们看着司机叔叔熟练地操作方向盘，感受着公交车在道路上的奔跑。司机叔叔还向他们介绍了公交车的各种设备，让他们对公交车有了更深入的了解。 在公交车上，小明和小红不仅学到了知识，还结识了新朋友。一个叫小华的小男孩主动和他们打招呼，他们一起分享着彼此的故事。小华告诉他们，他也是第一次坐公交车，今天能和他们一起旅行，感到非常开心。 时间过得飞快，转眼间就到了公园。小明、小红、小华和他们的妈妈一起下了车，走进了公园。他们在公园里尽情地玩耍，欢声笑语回荡在空气中。 这一天，我在公交车上见证了两个小朋友的成长。他们不仅学到了知识，还收获了友谊。这让我想起了自己小时候，也曾在公交车上度过许多美好的时光。 在这个快节奏的时代，我们常常忽略了生活中的美好。而这次公交车的经历，让我重新感受到了人与人之间的温暖。愿我们都能像小明、小红和小华一样，珍惜生活中的每一个美好瞬间，让爱在心中传递。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。端侧模型和小模型这件事，在人工智能行业如今并不新鲜。去年，Meta、微软、苹果等就集中发布了一系列小模型，Llama-3、Phi-3、OpenELM 等。2019 年成立的 Multiverse Computing，试图用所谓 " 量子物理 " 方式给模型瘦身：它的核心技术 CompactifAI 能将大模型体积压缩 95%，却几乎不损失性能，让原本只能在数据中心运行的 AI，装进手机、汽车里。这也让这家公司获得了资本的青睐，截至今日，Multiverse Computing 已经完成了 5 轮融资。2024 年 3 月，这家公司完成了 2500 万欧元的 A 轮融资，一年多后 B 轮融资直接冲到 1.89 亿欧元，估值从 2024 年的 1.08 亿美元，涨到 5 亿美元，一跃成为西班牙最大的 AI 初创公司之一。两周多前，这家公司发布了两款 " 世界最小的模型 " ——鸡脑（chicken ’ s brain）和苍蝇脑（a fly ’ s brain）。" 苍蝇脑 " 是 Hugging Face 开源模型 SmolLM2-135 的压缩版本，原始参数是 1.35 亿，压缩之后只有 9400 万参数。" 鸡脑 " 则是 Llama3.18B 模型的压缩版本，可以直接在苹果电脑上运行，无需联网。这背后藏着太多值得拆解的问题：" 量子瘦身 " 技术究竟是噱头还是真功夫？当模型被压缩时，是否也会影响其性能？团队推出的 " 苍蝇脑 "" 小鸡脑 " 超小模型，又是如何突破硬件限制，甚至吸引苹果、三星等巨头洽谈合作？在 Meta、谷歌、微软纷纷下场做小模型，众多初创公司争抢 AI 效率赛道的当下，Multiverse 凭什么建立技术壁垒，成为西班牙估值最高的 AI 初创企业之一？虎嗅与量子计算领域的业内人士交流，试图理清这些问题。4 年 5 轮融资，估值一年涨 5 倍Multiverse Computing 并非一开始就进入模型赛道。2019 年团队成立之初，其聚焦量子计算软件，试图用量子技术解决金融领域的投资组合优化、风险管理等难题，这些在传统 IT 技术上难以被功克。凭借技术积累，Multiverse 很快被第三方数据分析与咨询机构 Gartner 评为量子计算领域的 "Cool Vender"。Gartner 的这份 Cool Vendor 的报告，主要涵盖科技创新领域，每个领域只有 4 家 -5 家公司能上榜，金融人士更是将这份榜单视为 " 投资宝典 "。借此，Multiverse 还获得了欧盟加速器 EIC 1250 万欧元的资金支持，成了欧洲资本最充足的量子初创公司之一。Multiverse 的团队中，40% 成员拥有博士学位，核心成员更是横跨金融、量子物理与科技创业三大领域 —— CEO 恩里克身兼数学、计算机、医学博士与 MBA，有 20 年银行业经验，曾任西班牙 Unnim 银行副 CEO；联合创始人罗曼是欧洲顶尖量子物理学家，专攻张量网络，拿过欧洲物理学会青年研究奖；CTO 塞缪尔则是量子计算与机器学习双料专家，熟悉创业与投资逻辑。转折点出现在 2023 年。生成式 AI 爆发后，大模型参数规模暴涨，算力成本飙升成了行业普遍痛点 —— OpenAI 每周在 ChatGPT 推理上的支出甚至超过训练成本。恩里克和团队敏锐发现，他们深耕多年的量子张量网络技术，恰好能破解这一困局：量子多体系统中的数学技巧，可用于大模型参数的高效压缩，且能最大程度保留性能。基于这一判断，团队火速组建 AI 压缩专项组，年底就推出了核心技术 CompactifAI，正式从 " 量子 + 金融 " 转向 " 量子 + AI"。这次转向不仅让 Multiverse 踩中了 " 小模型 " 风口，更让它在 2024-2025 年迎来爆发，成为西班牙最大的 AI 初创企业之一。" 量子瘦身 " 靠谱吗？Multiverse 的故事核心，是一套叫做 Compactif AI 的压缩技术。它不像行业常用的量化、蒸馏技术那样简单削减参数，按照 Multiverse 自己的介绍，这套技术是用量子物理张量网络方法，融合张量分解、矩阵低秩近似等复杂数学技巧，从模型底层重构参数逻辑。正如联合创始人奥鲁斯所说：" 我们的压缩技术并非计算机科学领域常见的套路，而是源自我们对量子物理的理解，更加微妙而精炼。"不过，虎嗅询问了量子计算领域的业内人士，Multiverse 所使用的这套数学方法虽然是量子中常用的，但其实只是一类数学方法，严格意义上和量子物理无关，因为张量网络问题最初就是物理学家从数学研究中借鉴到量子物理中的。所谓的张量网络方法，通俗比喻就是，你要拼一个一万平方米的拼图，拼完后为了存放它，需要找一个很大的房子。但如果你把拼图重新打碎，装到罐子中，把维度升高，从二维升高到 3 维，维度越多越方便压缩，再去掉重复的碎片，就可以装到一个小盒子里，并且保留几乎所有信息，需要的时候可以重新还原成大拼图。这种方法对大部分模型都适用，因为现在的模型，大多都是神经网络的变体，差别不大，Multiverse 的方法有很强的泛化性。这件事情的难点在于，要把现有的大语言模型基础算子 / 结构抽象出来，形成一套通用的压缩工作流，这样无论什么模型都可以复用。Compactif   AI 通常能将型体积缩小 80-95% 而准确率只下降 2-3 个百分点。例如，原本需要数十亿参数的模型压缩后可能只有几亿参数，却在绝大多数基准测试中与原模型表现相当。目前 Multiverse 已发布多个压缩模型版本，例如 Llama 4 70B 模型的精简版 "Llama 4 Scout Slim"，以及 Llama 3 系列和 Mistral 小模型的精简版等。2025 年 8 月，公司发布了两款号称 " 史上最小且高性能 " 的模型，并以动物大脑体积命名—— SuperFly（苍蝇脑）和 ChickBrain（小鸡脑）。SuperFly 基于 135M 参数的开源 SmolLM 模型压缩而成，仅含 9400 万参数，相当于一只苍蝇的大脑大小；ChickBrain 则由 Meta 的 Llama 3.1 系列 8B 模型压缩成 3.2B 参数（压缩率 60%），大小如小鸡大脑，却具备一定推理能力。ChickBrain（3B）的基准测试结果这件事的商业价值也很明显，CompactifAI 带来的直接好处是成本与效率优化。根据 Multiverse 公布的数据，其瘦身版模型推理速度是未压缩模型的 4-12 倍，对应推理成本降低 50-80%。在 AWS 云服务上，使用 CompactifAI 压缩后的模型可大大节省费用。例如，压缩过的 Llama 4 Scout Slim 在 AWS 上的调用费用约为每百万 tokens 0.10 美元，而原版约为 0.14 美元，也就是说，每处理百万 tokens 可以节省约 30% 费用。另外，CompactifAI 让此前只能在昂贵服务器上运行的 AI 模型进入了 " 平民设备 " 时代。Multiverse 声称其部分精简模型 " 小到可以在 PC、手机、汽车上运行 "。目前，Multiverse 提供了 3 种商业服务模式：（1）通过 AWS API，将压缩后的模型与原始模型均可通过 API 访问；（2）购买私有部署许可，提供企业级授权，允许用户在自己的本地基础设施或云环境中部署 CompactifAI；（3）通过服务提供商交付，让 Multiver 为用户压缩模型，并交付指定的推理服务提供商。CompactifAI 的用户主要是广泛使用大模型的企业和开发者。大型互联网和软件企业的 AI 团队是首要客户，他们往往部署开源 LLM 在自己的应用中，如客服聊天机器人、代码自动补全、文本分析等，但也必然面临高昂的推理开销和延迟问题。CompactifAI 可以帮助他们大幅削减算力成本，甚至支持离线部署。CompactifAI 在降本增效和边缘部署方面功能突出。它可以将一个部署在 8 张 A100 GPU 上的 LLM 压缩到 1-2 张 GPU 即可运行，甚至压缩到能够在 CPU 上实时推理。这为客户节省的不仅是每小时数百美元的云 GPU 租用费，还有巨大的能耗开销。小模型和端侧模型——巨头云集的赛道Multiverse 的技术，很快吸引了全球硬件巨头的关注。据其透露，目前已与苹果、三星、Sony、HP 等洽谈合作，核心是将 " 苍蝇脑 "" 小鸡脑 " 这类超小模型嵌入下一代终端设备——这恰好契合苹果的战略：2024 年 WWDC 大会上，苹果推出 "Apple Intelligence" 框架，明确表示不追通用巨无霸模型，优先做适配 iOS/macOS 的轻量化本地模型。不过，赛道竞争也在加剧。2024 年起，科技巨头纷纷下场小模型：Meta 发布 13 亿参数 LLaMA 微型模型，Google DeepMind 推出 2 亿 - 7 亿参数的 Gemma，微软 Phi 系列用 14 亿参数模型在数学、编码任务上超越 50 倍体积的大模型；初创公司中，Neural Magic、Deci 等也在争抢 AI 效率赛道，聚焦模型加速、自动选型等方向。AI 推理优化已经成为创投圈新的竞技场。初创公司阵营也不甘示弱。除了 Multiverse 外，Neural Magic、Deci、OctoML 都在下场大模型效率赛道；还有初创公司专注于模型路由、自动选型等，将不同模型按成本和效果自动分配。 这些公司切入点各异，但都瞄准了 " 提高 AI 性能 / 成本比 " 这个共同目标。虎嗅与量子计算领域人士交流，鉴于如今的大语言模型基本架构类似，Multiverse 的壁垒并不算太高，端侧模型和小模型不同，虽然都需要模型轻量化，但端侧模型除了需要轻量化，还需要配合不同设备的计算资源（内存、算力），以及能耗、发热等调节小模型，需要有特别设计，是一个工程化的问题。Multiverse 如果能够绑定一家硬件厂商，或许能够在端侧模型上建立自己的生态壁垒。另一方面，Multiverse 如今大部分还是围绕已有模型压缩，而不是自己训一个小模型，在效果上，可能不会达到惊艳的效果，而且极度依赖原有的模型能力。目前已经有一些专注小模型的初创公司除了压缩模型，还自己训练小模型，达到了不错的效果。Multiverse 可能在模型压缩上，通过自身团队积累的技术，能够实现较小的压缩损耗，但后续在端侧模型布局上的工程化问题，以及模型能力本身的技术壁垒，仍然有待观察。